ChatGPT，是美国OPEN AI研发的通用AI。自2022年11月30日发布发布以来，热度飙升火爆出圈，多个行业的从业人员应用后都惊呼失业之期将至。

仿真从业者真的会面临被通用AI取代的风险吗？
我们“一试便知”

本文以高科技行业的连接器结构仿真为例，

实测ChatGPT的仿真认知水平。

先介绍ChatGPT的界面：

回答很全面而专业，跟以往的所谓智能聊天软件确实不一样。

回答合理，连接器种类很多，难以一一列出，各行业和厂家也有各自的偏重。

鉴于前面的回答还能接受，我们直接上难度，抛给了ChatGPT一个难题：

非常遗憾，ChatGPT未能直接生成一篇完整文章。

在它给出的回答里，连接器仿真应用中，“磨损损耗仿真”、“振动分析”都是重要应用方向。而“应力分析”和“动态仿真”条目的描述内容正确，但用词和分类不当。

以下为常见分析类型及示例：

连接器使用过程中，反复插拔会导致端子磨损，进而出现电气性能不良、松脱等问题。所以磨损损耗仿真报告是连接器开发设计过程的重要输入。

我们对ChatGPT的“考验”逐步专业化。

哦吼，这个问题没有难住它，ChatGPT回答得很全面。

正确，并且强调了材料参数准确性对结果的影响。

乘胜追击，我们进一步询问了ChatGPT具体应用场景下的单元类型问题。

终于触及了ChatGPT的盲区，只是较笼统的说明了适用单元的方法，但没能给出具体适用的单元类型及名称，并且ChatGPT翻译用词略不专业，这里的分层单元应该是指多层实体单元。

那么，我们再问一个单元类型的问题确认ChatGPT的盲区。

Chat的答案正确但不完整。

例如缺失了深受用户欢迎的、计算效率和准确性都较高的C3D8R。

事实上，用户在建立了基础仿真能力之后，通常需要进一步对连接器端子进行优化仿真。

Nice~满分回答。

ChatGPT对Tosca和Isight的功能认知正确。

例如以下案例，只从力学角度考虑降低端子结构的塑性变形量，可使用Tosca进行形状优化，也可以使用Isight进行尺寸参数化优化。

综上所述，在和ChatGPT“切磋”的过程中，我们可以得出结论：ChatGPT对连接器力学仿真分析中的应用有较充分的了解，但在具体仿真技术细节方面还不够深入。

当然，以上问答仅基于这一时间点的ChatGPT能力。

事实上，在测试过程中，我们发现ChatGPT每个问题都会收集对话者的意见“同意”或“不同意”，即人类在使用ChatGPT时也在对其提供监督训练。细分专业领域类的反馈信息，尤其是否定反馈，会被算法作为强监督数据进行加权，以优化ChatGPT在此领域的能力。一段时间后，同样的问题就可能给出不同的答案。

回到最开始的问题，对于AI带来的“失业危机”，在仅此一次的短短测试中，我们并不能得出准确的答案，但AI的信息获取和整合能力日益迅猛是不容否认的趋势。

各位仿真工程师们，在围观这次“测试”之后，你们觉得：如果ChatGPT成为你的同事，你觉得它适合怎样职级的岗位？以及，它多久之后能赶上或超越你呢？

南京复创是达索知名的合作伙伴，专注于为中国制造业数字化和信息化建设提供咨询服务和解决方案，主要涉及汽车、轨道交通、机械、电子、金融、教育、通讯、医疗等各大领域，欢迎点击在线咨询。